0
我使用的neurolab机器学习classfication问题, 链接: - http://code.google.com/p/neurolab/python neurolab - 我们可以用许多输入部件渐进地训练吗?
我的问题是,我们可以逐步训练神经网络?
为了进一步解释,我有输入数据的三个部分,我想
e = net.train(input_part1, output_part1, show=1, epochs=100, goal=0.0001)
e = net.train(input_part2, output_part2, show=1, epochs=100, goal=0.0001)
e = net.train(input_part3, output_part3, show=1, epochs=100, goal=0.0001)
训练神经网络将列车通话与前两个部分将有效地预测 神经网络参数 - 或者 - 这只会使用上次训练数据吗?
感谢您的回复。是。我可以合并输入的所有部分。但问题是个别部分本身非常庞大,所以我很担心,合并后他们甚至无法加载数据进行培训。如果有什么方法请帮助我? –
档案有多大?你可以合并这些文件。如果您想为每个训练集添加权重,那将很困难。您可以输出权重并查看问题是否具有累加性?您是否仅使用一部分来尝试测试数据?如果你打算使用千兆字节的样本,我不确定这会起作用。这是文字吗?顺便说一下,如果可以的话,在计算器上用netiquette接受问题的答案。干杯。 – RParadox
看来,数据大小是你的实际问题。你可以使用numpy.memmap。它模拟内存中的数组,但数据实际上保留在磁盘上。 – Christian